Google: Gemini Embedding 2

Gemini Embedding 2 отображает текст, изображения, аудио, видео и PDF в общее числовое пространство. Её векторы поддерживают межмодальный поиск, подбор материалов, классификацию и кластеризацию, с гибкой размерностью и лимитом входа 8192 токена.

Ailoot Ultra · Эмбеддинги POST /v1/embeddings google/gemini-embedding-2

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Gemini Embedding 2 — мультимодальная модель эмбеддингов Google для числового представления текста, изображений, видео, аудио и PDF. Она отображает разные типы медиа в общее пространство, чтобы приложение могло сравнивать их смысл. Результат — вектор чисел, полезный для семантического поиска, подбора документов, рекомендаций, классификации или кластеризации; это не письменный ответ и не сгенерированный медиафайл. Google документирует семантический охват более чем 100 языков.

Для базы знаний создайте векторы исходных фрагментов, сравните с ними запрос пользователя и найдите нужные материалы. Затем отдельная текстовая модель может составить ответ на основе этих источников. В медиаколлекции текстовое описание может искать связанные изображения или видео; изображение также может служить запросом. Сохраняйте связь каждого вектора с исходным контентом, включая ссылку на страницу или клип, чтобы найденный результат можно было проверить и показать в исходном контексте.

Общий лимит входа — 8192 токена. Руководство стабильной модели допускает до шести изображений PNG или JPEG, до 180 секунд аудио MP3 или WAV и до 120 секунд видео MP4 или MOV. Документированные видеокодеки — H264, H265, AV1 и VP9. При обработке видео используется не более 32 кадров: из клипов длительностью до 32 секунд выбирается один кадр в секунду, а из более длинных клипов равномерно выбираются 32 кадра. Звуковая дорожка видео не обрабатывается в этом видеовходе; создайте эмбеддинг звука отдельно, если он важен для поиска.

Вход PDF принимает один файл не более чем с шестью страницами. Для наилучшего качества Google рекомендует одну страницу на PDF. Разделяйте более крупный источник на осмысленные страницы или разделы и сохраняйте их связь с исходным документом. Выбирайте фрагмент, представляющий то, что должно находиться поиском, вместо объединения несвязанных материалов только потому, что они помещаются в лимит. Общая граница токенов по-прежнему действует для запроса со смешанными медиа. Каждая страница PDF расходует 258 визуальных токенов помимо токенов извлечённого текста. В документированном процессе Google контент, превышающий общий лимит 8192 токена, усекается без ошибки.

Размерность выхода гибко меняется от 128 до 3072, со значением по умолчанию 3072 и рекомендуемыми размерами 768, 1536 и 3072. Модель использует Matryoshka Representation Learning, поэтому начальные части вектора остаются полезными при меньшей размерности. Руководство документирует автоматическую нормализацию как стандартных, так и укороченных векторов. Выберите единую размерность для записей и запросов, которые сравнивает приложение; запрошенный размер меняет числовое представление, а не сам исходный контент.

Для задач только с текстом включайте назначение в текст вместо старого поля task_type. Google различает асимметричный поиск и симметричное сравнение. Поисковый запрос использует «task: search result | query: {content}», а исходный документ — «title: {title} | text: {content}»; при отсутствии заголовка используйте «title: none». Задачи ответов на вопросы, проверки фактов и поиска кода имеют собственные префиксы запросов. Для классификации, кластеризации или сходства предложений последовательно используйте одинаковый формат задачи на обеих сторонах. Руководство в целом рекомендует не добавлять префикс задачи к текстовой части объединённого мультимодального представления.

Структура входа определяет, представляет ли результат один объединённый объект или отдельные элементы. Несколько частей, переданных вместе, создают агрегированный эмбеддинг; отдельные объекты Content создают отдельные эмбеддинги для каждой записи. Для публикации с текстом и изображением объединённое представление может отразить их связь. Для записей, которые должны находиться независимо, сохраняйте разделение. Этот выбор влияет на детализацию поиска: один вектор для всей публикации отличается от вектора для каждого фрагмента или изображения.

Руководство указывает, что векторы Gemini Embedding 001 и Gemini Embedding 2 занимают несовместимые пространства и не могут сравниваться напрямую. При переносе коллекции со старой модели требуется заново создать эмбеддинги для нового пространства. Согласуйте выбор модели и размерности со сравниваемыми векторами и храните исходные текст и медиа отдельно от числового индекса. Сходство эмбеддингов — сигнал для поиска, а не фактическое объяснение того, почему документ отвечает на вопрос пользователя.

Для практического каталога создайте общий эмбеддинг фотографии товара и утверждённого описания, если эта пара должна находиться как один объект. Для коллекции документов создайте эмбеддинги целевых фрагментов и сравните их с запросом, отформатированным по назначению, затем покажите исходные фрагменты вместе с результатом поиска. Для аудио или видео выберите эпизод, описывающий искомое событие, и сохраните его исходный временной диапазон. Полезный результат — числовое представление, связанное с исходными доказательными материалами для следующего этапа поиска или анализа приложения.

Ailoot Ultra · Эмбеддинги POST /v1/embeddings google/gemini-embedding-2

google/gemini-embedding-2

Google /google/gemini-embedding-2

Начало

Допустимые входные данные: Текст · token_ids
Результаты: embedding

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Эмбеддинги POST /v1/embeddings

Входные данные: text, token_ids
Результат: embedding
Контекст: 8 192 tokens
Выходной формат: json

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения google/gemini-embedding-2	По умолчанию—
Поле`input`	Тип`string\|string[]\|integer[]\|integer[][]`	ТребованиеОбязательно	Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 8 192 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов	По умолчанию—
Поле`encoding_format`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения float	По умолчаниюfloat
Поле`dimensions`	Тип`integer`	ТребованиеНе поддерживается	Значения и ограничения Минимум: 1	По умолчанию—
Поле`user`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`session_id`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`trace`	Тип`json_value`	ТребованиеНеобязательно	Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.	По умолчанию—
Поле`provider`	Тип`object`	ТребованиеНеобязательно	Значения и ограничения Условия: provider.options отклоняется	По умолчанию—

Сочетания входных материалов

text_to_embedding

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input
Параметр`input_shapes`	Контрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Параметр`encoding_format`	Контрактfloat
Параметр`dimensions_override`	Контрактfalse
Параметр`max_input_budget_units`	Контракт8192
Параметр`multimodal_objects`	Контрактfalse
Параметр`material_types`	Контрактtext, token_ids

Жизненный цикл: synchronous_json

Сохраняйте индекс и размерность каждого вектора.

Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Стандартный тариф При выборе быстрого режима
Режим flex: Стандартный тариф При выборе режима flex
Максимальная интенсивность рассуждений: Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Конфигурация	Шкала ставок	Плата
КонфигурацияБазовые ставки за токены	Шкала ставокБазовая ставка	Плата Вход · Входные токены $0.0004 / 1K токенов Выход · Выходные токены $0 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Эмбеддинги

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "google/gemini-embedding-2", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT

from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='google/gemini-embedding-2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Получить и сохранить результаты

Ailoot Ultra · Эмбеддинги

json

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы.

Если нужно проверить исходный ответ

Отдельный эндпоинт заданий эмбеддингов не вводится.

Поля ответа

Поле	Тип
Поле`object`	Типstring
Поле`model`	Типstring
Поле`data[].index`	Типinteger
Поле`data[].embedding`	Типfinite float[]
Поле`usage`	Типobject

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra google/gemini-embedding-2

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

google/gemini-embedding-2

FAQ · Google: Gemini Embedding 2

Какие входные данные и результаты доступны?: POST /v1/embeddings · google/gemini-embedding-2: text, token_ids → embedding
Какие поля использует запрос?: POST /v1/embeddings · google/gemini-embedding-2: model, input, encoding_format, provider
Какие ограничения действуют?: POST /v1/embeddings · google/gemini-embedding-2: ctx: 8192; input.budget.maximum: 8192 (байты UTF8); input.min_items: 1

Google: Gemini Embedding 2